Hvordan kan maskinlæring bidra til å produsere personlige kreftvaksiner?

[annonse_1]

Bruken av kunstige nevrale nettverk kan forkorte beregningstiden som kreves for å lage en personlig kreftvaksine, som for tiden er en langvarig prosess, til under en time, fortalte direktøren for Gamaleya National Research Center for Epidemiology and Microbiology (Russland), Alexander Gintsburg, til TASS.

«For tiden tar det lang tid å designe en vaksine fordi man må beregne hvordan en mRNA-vaksine ser ut, ved hjelp av matrisemetoden, i matematiske termer. Vi har kontaktet Ivannikov-instituttet, som vil bruke kunstig intelligens til å gjøre denne matematikken, der disse prosessene vil ta omtrent en halvtime til en time.»

Forskeren forklarte tidligere til TASS at en testdatabase med 40 000 til 50 000 tumorsekvenser, med kompatibel antigengjenkjenning, oversatt til protein eller RNA hos pasienter, er nødvendig for å trene AI-en. Han sa at dette ville bidra til å avgjøre om vaksinen kan brukes på individuell basis.

Vaksinen ble utviklet i samarbeid med flere forskningssentre. Andrey Kaprin, generaldirektør for det russiske helsedepartementets forskningssenter for medisinsk radiologi, sa at prekliniske studier var fullført.

Hvordan kan maskinlæring bidra til produksjon av kreftvaksiner?

Bruk av kunstig intelligens i utvikling av kreftvaksiner muliggjør personlig behandling, men stiller også nye utfordringer for legemiddelutviklere og regulatorer.

Innen immunterapi kan fremskritt innen kunstig intelligens og maskinlæring bidra til å behandle data fra kreftbiopsier for å designe vaksiner som er rettet mot pasientspesifikke mutasjoner. Evnen til å målrette pasientspesifikke mutasjoner er ikke ny, og målrettede kreftmedisiner, som anti-HER2-behandlinger og CDK4/6-hemmere, har blitt populære i bransjen. Imidlertid har potensialet til kunstig intelligens til å identifisere neoantigener fra individuelle pasientbiopsier økt effektiviteten til denne prosessen.

Bruken av kunstig intelligens har blitt et stort diskusjonstema i mange bransjer, og legemidler er intet unntak.

«Mutasjoner oppdaget i pasientbiopsier kan mates inn i en algoritme for å forutsi hvilke mutasjoner som er mest immunogene», sa Scott Ebbinghaus, visepresident for klinisk forskning ved Merck. «Derfra kan vi syntetisere RNA som koder for hvert muterte kreftgen, skreddersydd til immunsystemet. Hver vaksine vil være veldig unik for hvert individ.»

I motsetning til behandlinger som er utviklet mot et enkelt, fiksert antigen, vil AI-systemet søke å forbedre sin evne til å velge neoantigener. Algoritmen ser på de genetiske mutasjonene som er tilstede i en pasients svulst og forutsier neoantigener som mest sannsynlig vil fremkalle en immunrespons. «Algoritmen har evnen til å lære over tid ved å sammenkoble kliniske data og immunogenisitetsdata, og forhåpentligvis vil den bli bedre til å velge neoantigener som sannsynligvis vil være klinisk aktive», sa Kyle Holen, direktør for terapeutisk utvikling og onkologi ved Moderna.

Et annet selskap som bruker kunstig intelligens er Transgene, som samarbeider med NEC Corporation for å designe personlige kreftvaksiner. I stedet for mRNA-vaksiner jobber Transgene med virusvektorer for å trene pasientens immunsystem til å bekjempe spesifikke kreftmål.

Etter hvert som kreftvaksiner går videre til senere studier, vil en av utfordringene være å regulere de potensielle produktene. Det amerikanske mat- og legemiddeltilsynet (FDA) har gitt ut et veiledningsdokument som omhandler vaksiner med flere antigener. Byrået oppgir at hver komponent i disse vaksinene kanskje ikke trenger å evalueres individuelt for sikkerhet og effekt. Dokumentet sier imidlertid at dette vil bli «vurdert fra sak til sak».

FDA «anerkjenner potensialet til kunstig intelligens/maskinlæring (KI/ML) for å akselerere utviklingen av personlige behandlinger», sa en talsperson for FDA.

Phuong Anh (Kilde: BioSpace, Tass)

[annonse_2]
Kilde